python图表绘制_python图表 csdn-优快云博客

本文链接：https://blog.youkuaiyun.com/qq_72758246/article/details/144977431

数据读取和处理

import matplotlib.pyplot as plt
import numpy as np
import csv
import pandas as pd

# 定义读取CSV数据的函数
def read_csv_data(file_path):
    version = []  # 版本号列表
    valuse = []   # 第一列数据列表
    valuse1 = []  # 第二列数据列表
    valuse2 = []  # 第三列数据列表
    valuse3 = []  # 第四列数据列表
    admin = []    # 管理员数据列表
    common = []   # 普通用户数据列表

    # 打开CSV文件并读取数据
    with open(file_path, newline='', encoding='utf-8') as csvfile:
        reader = csv.reader(csvfile)
        next(reader, None)  # 跳过首行（表头）
        for item in reader:
            version.append(item[0])  # 添加版本号
            valuse.append(float(item[1]))  # 添加第一列数据并转换为浮点数
            valuse1.append(float(item[2]))  # 添加第二列数据并转换为浮点数
            valuse2.append(int(item[3]))  # 添加第三列数据并转换为整数
            valuse3.append(int(item[4]))  # 添加第四列数据并转换为整数
            admin.append(float(item[1]))  # 将第一列数据复制到管理员数据列表
            common.append(float(item[2]))  # 将第二列数据复制到普通用户数据列表

    # 返回读取的数据
    return version, valuse, valuse1, valuse2, valuse3, admin, common

# 调用函数读取CSV文件数据
file_path = 'ds.csv'
version, valuse, valuse1, valuse2, valuse3, admin, common = read_csv_data(file_path)

# 将部分数据转换为DataFrame以便后续处理
case = {'valuse': valuse, 'valuse1': valuse1, 'valuse2': valuse2, 'valuse3': valuse3}
df = pd.DataFrame(case)

图表绘制

# 创建一个图形窗口并设置尺寸
fig = plt.figure(figsize=(12, 8))  # 图形窗口宽度为12英寸，高度为8英寸
fig.subplots_adjust(hspace=0.5, wspace=0.3, top=0.9)  # 调整子图之间的间距和顶部空间

# 定义绘制柱状图的函数
def plot_bar_chart(x, y, title, subplot_index, color='blue'):
    plt.subplot(2, 2, subplot_index)  # 在2x2的网格中选择第subplot_index个位置绘制子图
    plt.bar(x, y, color=color)  # 绘制柱状图
    plt.title(title, fontdict={"family": "SimHei", "size": 15})  # 设置子图标题

# 绘制第一个柱状图（Admin版本通过率）
plot_bar_chart(np.array(version), np.array(valuse), 'Admin版本通过率', 1)
# 在柱状图上添加数值标签
for i in range(len(df)):
    valuse_value = '%.2f%%' % (df['valuse'][i])  # 将数值转换为百分比并保留两位小数
    plt.text(i, df['valuse'][i] + 0.1, valuse_value, ha='center', va='bottom', fontdict={"family": "SimHei", "size": 9})

# 绘制第二个柱状图（普通用户版本通过率）
plot_bar_chart(np.array(version), np.array(valuse1), '普通用户版本通过率', 3, 'orange')
# 在柱状图上添加数值标签
for i in range(len(df)):
    valuse1_value = '%.2f%%' % (df['valuse1'][i])
    plt.text(i, df['valuse1'][i] + 0.1, valuse1_value, ha='center', va='bottom', fontdict={"family": "SimHei", "size": 9})

# 绘制折线图（Admin和普通用户用例数比较）
plt.subplot(2, 2, 2)  # 在2x2的网格中选择第二个位置绘制子图
line_width = 2  # 设置折线图的线宽
index = np.arange(len(version))  # 折线图的位置索引
plt.plot(index, np.array(valuse2), marker='o', color='blue', linewidth=line_width, label='Admin')  # 绘制管理员用例数折线图
plt.plot(index, np.array(valuse3), marker='o', color='orange', linewidth=line_width, label='Common')  # 绘制普通用户用例数折线图
plt.title('Admin和普通用户用例数比较', fontdict={"family": "SimHei", "size": 15})  # 设置子图标题
plt.xticks(index, version, fontdict={"family": "SimHei", "size": 12})  # 设置X轴的标签和字体
# 在折线图上标注数值
data = {'valuse2': valuse2, 'valuse3': valuse3}
df = pd.DataFrame(data)
for i in range(len(df)):
    admin_value = df['valuse2'][i]
    common_value = df['valuse3'][i]
    plt.text(i, df['valuse2'][i] + 0.03, admin_value, ha='center', va='bottom', fontdict={"family": "SimHei", "size": 9})  # admin的数值
    plt.text(i, df['valuse3'][i] + 0.03, common_value, ha='center', va='bottom', fontdict={"family": "SimHei", "size": 9})  # common的数值
plt.legend()  # 显示图例

# 绘制第四个图表（Admin和普通用户通过率比较）
plt.subplot(2, 2, 4)  # 在2x2的网格中选择第四个位置绘制子图
plt.plot(index, np.array(admin), marker='o', color='blue', linewidth=line_width, label='Admin')  # 绘制管理员通过率折线图
plt.plot(index, np.array(common), marker='o', color='orange', linewidth=line_width, label='Common')  # 绘制普通用户通过率折线图
plt.title('Admin和普通用户通过率比较', fontdict={"family": "SimHei", "size": 15})  # 设置子图标题
plt.xticks(index, version, fontdict={"family": "SimHei", "size": 12})  # 设置X轴的标签和字体
# 在折线图上标注数值
data = {'admin': admin, 'common': common}
df = pd.DataFrame(data)
for i in range(len(df)):
    admin_value = '%.2f%%' % (df['admin'][i])  # 转换为百分比并保留两位小数
    common_value = '%.2f%%' % (df['common'][i])  # 转换为百分比并保留两位小数
    plt.text(i, df['admin'][i] + 0.03, admin_value, ha='center', va='bottom', fontdict={"family": "SimHei", "size": 9})  # admin的数值
    plt.text(i, df['common'][i] + 0.03, common_value, ha='center', va='bottom', fontdict={"family": "SimHei", "size": 9})  # common的数值
plt.legend()  # 显示图例

图形调整和保存

# 调整子图间距
plt.tight_layout()
plt.subplots_adjust()

# 添加总标题
plt.suptitle("智算集成三队", fontdict={"family": "SimHei", "size": 15})

# 获取当前图形的管理器并最大化窗口
manager = plt.get_current_fig_manager()
manager.window.showMaximized()

# 保存图表到文件
plt.savefig('/home/6005002899@zte.intra/下载/pie_chart.pdf', dpi=300, transparent=True)
print('已保存到本地')

# 显示图表
plt.show()

代码说明

数据读取：使用 csv.reader 从CSV文件中读取数据，并将数据分别存储在不同的列表中。next(reader, None) 用于跳过CSV文件的第一行（表头）。
数据转换：将某些列的数据转换为浮点数或整数，以便进行后续的数值计算和图表绘制。
图表绘制：使用 matplotlib 库绘制多个子图，包括柱状图和折线图

版本,成功率-admin,成功率-common,用例数-admin,用例数-common
V7.24.31.B1,88.24,75.67,476,411
V7.24.40.B0,75.67,75.67,507,411
V7.24.40.B3,80.08,70.86,507,511
V7.24.40.B4,97.13,76.97,558,508
V7.24.40.B5,93.82,73.74,550,438
V7.24.40.B6,95.25,94.97,568,437